基于局部信息融合的正交稀疏保留投影分析

模式识别领域对于样本分类判别的准则有很多,近期运用比较多的是将原始数据样本的稀疏重构关系保持到投影变换后的样本空间中,从而增加分类的准确性。稀疏保留投影算法(SPP)就是基于该思想发展起来的典型算法。该算法在寻找最佳投影变换时是从样本的全局角度出发,没有考虑到样本总体呈现非线性而局部线性的空间结构,样本间的局部信息对识别率同样有很大的提升作用,同时SPP算法获取的投影变化是非正交的,特征变换之间存在冗余信息,特征信息之间存在冗余的情况对于样本分类过程存在很大的干扰项。基于以上不足之处,提出基于局部信息融合的正交稀疏保留投影,将正交性以及样本间的局部结构信息融入SPP算法之中,同时在AR以及CAS-PEAL人脸库上对所提算法进行验证。

局部广义张量鉴别分析

在过去十年里,致力于研究把线性鉴别分析扩展到更高阶数据分类,即多线性鉴别分析,以得到更好的鉴别效果。广义张量鉴别分析(GTDA)方法是其中最具代表性的算法之一。文中提出了一种新的多线性鉴别分析方法,即局部广义线性鉴别分析(LGTDA)方法。其利用张量样本的局部近邻信息重新定义了鉴别分析中的类间散度矩阵和类内散度矩阵,使得提出的方法比其他方法在投影空间中更好地保留原始空间的局部结构信息。另外,用多种特征提取技术提取出原始样本图片的各种信息构成文中算法的张量样本,充分利用了张量数据的优势。在AR和CAS-PEAL人脸数据库上的实验结果验证了文中方法的有效性。